CrowdSec Agent — Qwen2.5-3B LoRA
Fine-tune de Qwen/Qwen2.5-3B-Instruct entraîné pour agir comme agent-outil IDPS CrowdSec dans une architecture multi-agents IA pour la cybersécurité.
L'agent reçoit des paquets CAP v1 (Coordinator-Agent Packet) depuis un coordinateur LLM et génère des tool_calls précis.
Architecture
Coordinateur (LLM)
│ CAP v1 JSON
▼
Agent IDPS CrowdSec (ce modèle)
│ tool_call JSON
▼
API équipement
Fonctions supportées (15 au total)
| Fonction | Description |
|---|---|
ban_ip |
Ban IP simple |
unban_ip |
Lever un ban |
get_decisions |
Lister les bans actifs |
add_decision |
Ban CIDR |
delete_decision |
Supprimer une décision par ID |
get_alerts |
Lister les alertes |
get_alert |
Détail d'une alerte |
delete_alert |
Supprimer un faux positif |
get_allowlists |
Consulter la liste blanche |
check_allowlist |
Vérifier une IP |
list_bouncers |
Composants de remédiation |
list_machines |
Agents log processors |
get_metrics |
Métriques système |
hub_upgrade |
Mise à jour du hub |
set_simulation |
Activer/désactiver la simulation |
Performance
| Benchmark | Score |
|---|---|
| Vérification fonctionnelle (format CAP v1) | 15/15 (100%) |
Utilisation
Avec vLLM (multi-LoRA)
from vllm import LLM, SamplingParams
from vllm.lora.request import LoRARequest
llm = LLM(model="Qwen/Qwen2.5-3B-Instruct", enable_lora=True)
params = SamplingParams(temperature=0.1, max_tokens=256)
cap_packet = '{"directive": "ban_ip", "entities": {"IP_ADDRESS": ["203.0.113.42"]}, "args": {"duration": "24h"}, "context": {"source": "coordinator"}}'
outputs = llm.generate(
cap_packet,
params,
lora_request=LoRARequest("crowdsec-qwen25-lora", 1, "path/to/adapter")
)
print(outputs[0].outputs[0].text)
Avec Ollama (GGUF)
ollama run hf.co/patlegu/crowdsec-qwen25-lora
Détails d'entraînement
| Paramètre | Valeur |
|---|---|
| Base model | Qwen/Qwen2.5-3B-Instruct |
| LoRA rank / alpha | 16 / 32 |
| Dataset | 250 exemples (format CAP v1) |
| Epochs | 15 |
| Learning rate | 2e-4 (cosine) |
| Final loss | 0.4637 |
| Date | 2026-03-15 |
| Framework | Unsloth + HuggingFace TRL |
Contexte
Modèle produit par cyber-agent-engine — système multi-agents IA pour l'automatisation réseau et la sécurité.
Le coordinateur décompose les requêtes en langage naturel et délègue l'exécution à des agents-outils spécialisés (OPNsense, WireGuard, CrowdSec), chacun piloté par un LoRA fine-tuné sur GPU local (RTX 4070 Ti).
Limitations
- Conçu pour être appelé par un coordinateur, pas directement par un humain
- Requiert le format CAP v1 — les requêtes en langage naturel libre donnent des résultats dégradés
Licence
Apache 2.0
- Downloads last month
- -